玫瑰精油地提取_0.docVIP

玫瑰精油的提取 1、相关定义 1.1、本体的概念提取流程 本体的概念语义主要隐含在数据库的实体关系表表名中。然而由于关系数据库表分 为实体表和关联表,并且可能出现多个实体关系表表示的同一个实体、或者不同关系表 之间具有层次关系的情形,因此,不可以把每个关系表一一对应的生成本体概念。本体 概念的提取工作主要根据3.4.1节和3.4.4节的讨论,从以下三个方面入手: 1) 从多个需要合并生成概念的实体关系表中提取一个共同的概念; 2) 从其他不需要合并生成概念的实体关系表中提取概念; 3) 从具有层次关系的实体关系表中提取具有层次关系的子概念。 华南理工大学硕士学位论文 36 图4-2 从关系表提取概念的总流程图 图4-2描述了从关系数据库表提取概念的处理流程,得到以下流程4-1: Tables=所有被待处理的数据库表; while(tables 未遍历完) { A=tables 的下一个表; if(表 A 未生成过本体类) { efkeys=表 A 的所有导出外键; pkeys= 表 A 的所有主键; if(efkeys 的数量大于 0) { 进入多个表合并生成类及具生成具有层次关系的类的处理过程,即图4_3_1中的”X” 节点,详细处理过程将在流程4-2中说明,流程4-2执行完毕将会从”Z” 节点 返回。 } else { 进入根据实体关系表生成类的处理流程,即图4-2中的”Y”节点,详细处理过程将在 流程4-3中说明,流程4-3将会从”Z”节点返回。 } } } 流程4-1 从关系表提取概念的总流程 1.2、提取与匹配相关概念 3.1.1 特征信息类型3.1.1 特征信息类型 为了建立有效匹配,确定检测哪种类型的特征信息来进行匹配将会直接决定 着三维建模的精度,而在三维特征点云重建中,提取出的特征信息通常都是特征 点。从前期的立体视觉研究开始[29-32],学者们就已经进行着基于特征点的提取与匹 配研究了。点特征可以用来寻找出同一场景不同位置图像的对应位置的稀疏集合, 同时也是计算摄像机内外部参数的基础,摄像机姿态信息对进行立体视觉配准以 及稠密点的配准起着至关重要的作用。因此在进行图像配准或者真实物体建模时, 检测或提取出的图像特征点,应该具有一定的适应能力,即使在出现遮挡问题、 18 旋转变化、大尺度方向的变化时也要能达到鲁棒的匹配效果。 立体匹配是在多幅图像中去建立两两图像之间匹配信息对应关系的过程;广 义上的匹配信息包括几何点元、局部区域以及边缘特征等等,与普通的图像匹配、 图像配准相比而言,立体匹配一般更为复杂,由于立体图像之间的差异主要由照 相机在不同的视角或观察点采集同一场景拍摄所致,而与场景自身的变化运动关 系不大。根据所匹配的信息类型不同,立体匹配又可进一步分为区域匹配和特征 匹配两种类型。区域匹配是在每个像素确定对应像素,建立稠密的对应关系,由 于该稠密对应场通常呈现出相对规则分布状态,能够直接以像素网格作为区域参 照,而不同像素网格之间的邻近关系简单明了,方便描述并在立体匹配中直接使 用。该方法直接利用了图像的像素值作为匹配特征,通过计算不同图像对应区域 之间在灰度、色差、轮廓、纹理上存在的关联性进行图像区域特征的匹配。 特征匹配[33]是在图像序列中建立比图像像素更少的稀疏特征之间的相互对应 关系,与稠密特征比较而言,稀疏特征的布局区域更不规则,这表示特征间的匹 配关系的描述将变得更为复杂;由于基于特征的匹配算法不同,所利用的特征信 息亦不相同,通常可作为特征信息的包括线段类的直线、边缘线、曲线、局部区 域;特征点类的包括边缘点、角点、拐点、直线交点或者特定区域的中心、重心 等等,当然,由于所使用的特征信息的类别不同,其所匹配后的产生精度差异也 很大。 表 3.1 匹配信息的类型及特点 匹配信息类型 具体内容 匹配复杂度 灰度值 对比度、明暗等 一般 点类 角点、交点、中心点等 较高 线类 直线、边缘线、曲线等 中等 区域类 局部区域、窗口区域等 一般 模型类 精确内部结构 较高 由于不同图像之间的视点变化很大,同一场景在不同的视点下其投影将出现 较大的变化,特别是对于一些倾斜场景图像,此状况尤为严重,在利用基于局部 匹配的算法时更加容易造成错误的匹配,因此就对基于特征点的匹配算法提出了 更多的要求,而 Harris 角点特征检测算法能够应付在图像旋转、灰度变化、视点 变化以及噪声影响情形下的不变性,是一种比较稳定的特征点提取算法。 1.3、本体概念的提取规则研究 从关系数据库里面提取本体概念,主要需要考虑多个表合并生成同一个概念的情况 以及根据单独的实体关系表生成概念的情况两种情况。 1) 多个表合并成同一个概念的情况 由 3.3.1 节分析知道,本体的概念来自实体关系表。当一对一的情形出